在当今数字化浪潮中，数据量如同汹涌澎湃的潮水般急剧增长。对于互联网大厂的后端开发人员而言，处理海量数据的插入操作是一项极为常见却又极具挑战的任务。当面对百万级甚至更庞大的数据量时，传统的逐个插入方式就如同老牛拉破车，性能瓶颈尽显，系统响应迟缓，甚至可能出现超时或崩溃的状况。而 Spring Boot3 中的线程池技术，恰似一把利剑，为我们劈开了这一困境。

Spring Boot 线程池初窥

Spring Boot 是一个基于 Spring 框架的微服务开发框架，它提供了许多开箱即用的功能和简化配置的机制。在 Spring Boot 应用程序中，我们可以通过配置 ThreadPoolTaskExecutor 来创建一个线程池，用于执行批量插入任务。

比如，在配置类中创建一个 ThreadPoolTaskExecutor，并设置相应的属性：

@Configuration
public class ExecutorConfig {
    @Value("${spring.task.executor.core-pool-size}")
    private int corePoolSize;
    @Value("${spring.task.executor.max-pool-size}")
    private int maxPoolSize;
    @Value("${spring.task.executor.queue-capacity}")
    private int queueCapacity;

    @Bean
    public ThreadPoolTaskExecutor taskExecutor() {
        ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
        executor.setCorePoolSize(corePoolSize);
        executor.setMaxPoolSize(maxPoolSize);
        executor.setQueueCapacity(queueCapacity);
        return executor;
    }
}

在这个配置中，我们设置了核心线程数为corePoolSize，最大线程数为maxPoolSize，队列容量为queueCapacity。这些参数可以根据实际需求进行调整。例如，如果你的服务器 CPU 资源充足，且数据插入任务较为密集，可以适当增大核心线程数和最大线程数，以充分利用 CPU 多核性能；而如果数据插入任务的突发性较强，队列容量则可以设置得大一些，以应对短时间内大量的任务请求。

使用 Java 并发编程进行批量插入

在 Java 中，我们可以使用ExecutorService接口来执行并发任务。在 Spring Boot 应用程序中，我们通过注入ThreadPoolTaskExecutor实例来实现这个功能。接下来，创建一个名为BatchDataService的服务类，用于执行批量插入任务：

@Service
public class BatchDataService {
    @Autowired
    private ThreadPoolTaskExecutor taskExecutor;
    @Autowired
    private JdbcTemplate jdbcTemplate;

    public void batchInsertData(List<DataEntity> dataList) {
        int batchSize = 1000; // 每批插入的数量
        List<Future<?>> futures = new ArrayList<>();
        for (int i = 0; i < dataList.size(); i += batchSize) {
            List<DataEntity> subList = dataList.subList(i, Math.min(i + batchSize, dataList.size()));
            futures.add(taskExecutor.submit(new Callable<Void>() {
                @Override
                public Void call() throws Exception {
                    jdbcTemplate.batchUpdate("INSERT INTO table_name (column1, column2) VALUES (?,?)", subList, batchSize, new PreparedStatementSetter() {
                        @Override
                        public void setValues(PreparedStatement ps, int i) throws SQLException {
                            DataEntity data = subList.get(i);
                            ps.setString(1, data.getColumn1());
                            ps.setString(2, data.getColumn2());
                        }
                    });
                    return null;
                }
            }));
        }
        for (Future<?> future : futures) {
            try {
                future.get();
            } catch (InterruptedException | ExecutionException e) {
                e.printStackTrace();
            }
        }
    }
}

在这个服务类中，我们首先创建了一个线程池taskExecutor，用于执行批量插入任务。然后，我们遍历数据列表，并为每个数据创建一个任务，该任务将执行批量插入操作。这里将数据分成每批 1000 条进行插入，这是一个常见的优化策略，因为一次性插入过多数据可能会导致数据库连接资源紧张，而每批数量太少又会增加线程调度和数据库交互的开销。最后，我们调用shutdown方法来关闭线程池，确保所有任务执行完毕后资源得到释放。

传统线程池的痛点与虚拟线程的曙光

传统线程池在高并发场景下存在诸多痛点。每个平台线程绑定一个操作系统线程，当创建数千线程时，内存占用极高，单线程约 1MB 栈内存，极易触发 OOM（内存溢出）；线程频繁切换导致上下文切换成本高，CPU 利用率下降，实测在 10 万请求下传统线程延迟增加 40%；而且在 I/O 阻塞时线程被挂起，无法快速释放资源处理新请求，例如在静态文件服务器场景吞吐量会下降 30%。

而 Spring Boot 3.2 引入的虚拟线程为我们带来了新的希望。配置虚拟线程也并不复杂，首先在application.properties文件中进行相关配置：

spring.threads.virtual.enabled=true # 核心开关 
server.tomcat.threads.max=200 # 传统线程数限制（虚拟线程不受此限制）

同时，若使用 Tomcat 执行器，还可进行如下配置（可选）：

@Bean
public TomcatProtocolHandlerCustomizer<?> protocolHandlerVirtualThreadExecutorCustomizer() {
    return handler -> handler.setExecutor(Executors.newVirtualThreadPerTaskExecutor()); 
}

需要注意的是，要确保 Maven/Gradle 中已添加--enable-preview参数，因为虚拟线程目前处于预览阶段。并且要避免线程池配置冲突，例如检查是否误用@Async或其他线程池注解，若有则需移除或显式指定虚拟线程执行器。若出现版本兼容问题，可升级 Spring Boot 至 3.2.1+，并确认无低版本依赖冲突（如旧版 Netty/Redis 客户端）。

实战案例与性能对比

曾经有这样一个项目，需要将 2000003 条数据插入数据库。起初采用单线程插入，耗时长达 5.75 分钟。后来利用ThreadPoolTaskExecutor多线程批量插入，开启 30 个线程，每 100 条数据插入开一个线程，最终耗时仅 1.67 分钟，效率大幅提升。通过对不同线程数的测试，发现并非线程数越多越好，网上有一个不成文的算法可用于参考确定合适的线程数。同时，在数据完整性和准确性方面，通过 sql 语句检查，未发现重复入库的问题，多线程录入数据完整。

在实际应用中，我们还可以根据具体的业务需求和性能要求，对代码进行进一步的优化和调整。例如，合理设置线程池参数、优化数据库表结构和索引、采用批量事务处理等方式，都能进一步提升数据插入的效率和稳定性。

Spring Boot3 中的线程池技术，无论是传统的 ThreadPoolTaskExecutor，还是新兴的虚拟线程，都为我们处理百万数据插入操作提供了强大的工具。只要我们根据实际场景合理运用，不断优化，就能在海量数据处理的战场上所向披靡，构建出高效、稳定的应用系统，为业务的蓬勃发展提供坚实的技术支撑。e